АВТОМАТИЗАЦИЯ ТЕСТИРОВАНИЯ ОБУЧАЮЩИХСЯ СРЕДСТВАМИ ГЕНЕРАТИВНОГО ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И СОВРЕМЕННЫХ ИНТЕГРАЦИОННЫХ ПЛАТФОРМ

Д. В. Власов

ПОЛНЫЙ ТЕКСТ: PDF (Rus)

Аннотация

Исследование посвящено разработке интеллектуальной системы автоматизации тестирования на основе генеративных языковых моделей и интеграционных платформ. Проблема масштабируемости оценки знаний в массовом образовании решается через комбинацию автоматизированной проверки и многоуровневого анализа аномалий. Система реализована на платформе Albato с использованием Yandex.Forms, Google Sheets и API больших языковых моделей. Новизна заключается в двухступенчатом анализе аномалий: жёстком критериальном и интеллектуальном LLM анализе. Практическая значимость подтверждается готовым к внедрению прототипом.

Ключевые слова

Автоматизация тестирования; генеративные модели; анализ аномалий; интеграционные платформы; образовательная аналитика; искусственный интеллект; оценка знаний.

Статья поступила: 06.10.2025; принята к печати: 14.10.2025.

Для цитирования:

________________________________________

Власов Д.В. Автоматизация тестирования обучающихся средствами генеративного искусственного интеллекта и современных интеграционных платформ. Электронный науч.-методич. журнал «Педагогика информатики». 2025;1-2. Http://pcs.bsu.by/2025_1-2/3ru.pdf

For citation:

________________________________________

Vlasov D.V. Automation of student testing using generative artificial intelligence and modern integration platforms. Electronic scientific and methodological journal “Pedagogy of computer science”. 2025;1-2. Http://pcs.bsu.by/2025_1-2/3ru.pdf

Контент доступен под лицензией Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Об авторах

Д.В. Власов
Российский государственный педагогический университет имени А.И. Герцена
Россия
Власов Дмитрий Викторович – к.т.н., доцент кафедры информационных технологий и электронного обучения, Dmitry-v-vlasov@mail.ru
наб. р. Мойки, 48; 191186, Санкт-Петербург, Россия

Список библиографических ссылок

1. Рудинский И.Д. Принципы интеллектуального автоматизированного тестирования знаний. Материалы международной конференции-выставки «Информационные технологии в образовании». 2001; Москва. Москва; МО РФ, 2001.

2. Crompton H., Burke D. Artificial intelligence in higher education: the state of the field. International Journal of Educational Technology in Higher Education. 2023;20:22. doi:10.1186/s41239-023-00392-8.

3. Рудинский И.Д., Клеандрова И.А. Концепция количественного оценивания объективности педагогического тестирования знаний. Информатика и образование. 2003;(12):100–104.

4. Emirtekin E. Large language model-powered automated assessment: a systematic review. Applied Sciences. 2025;15:5683. doi:10.3390/app15105683.

5. Kasneci E., Sessler K., Kuchemann S., Bannert M., Dementieva D., Fischer F., et al. ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences. 2023;110:102274. doi:10.1016/j.lindif.2023.102274.

6. Jukiewicz M. The future of grading programming assignments in education: the role of ChatGPT in automating the assessment and feedback process. Thinking Skills and Creativity. 2024;53:101522. doi:10.1016/j.tsc.2024.101522.

7. Рудинский И.Д. Структурные основы тестологии. 2-е изд., испр. Москва: Горячая линия–Телеком; 2015. 244 с.

8. Давыдова Н.А., Рудинский И.Д. Автоматизированный синтез тестовых заданий для систем педагогического контроля знаний. Информатизация образования и науки. 2013;1(17):77–90.

9. Zawacki-Richter O., Marin V.I., Bond M., Gouverneur F. Systematic review of research on artificial intelligence applications in higher education – where are the educators? International Journal of Educational Technology in Higher Education. 2019;16:39. doi:10.1186/s41239-019-0171-0.

10. Malouff J.M., Thorsteinsson E.B. Bias in grading: a meta-analysis of experimental research findings. Australian Journal of Education. 2016;60(3):245–256. doi:10.1177/0004944116664618.

назад